第4名方案

使用逻辑回归模型，各列的编码方式如下：

1. 二值特征：线性变换至 [-1, 1] 区间。
2. 名义特征：将训练集和测试集中出现的唯一值合并为单一值，然后进行独热编码转换为稀疏矩阵（这两个思路均参考了公开的 Kernel）。
3. 有序特征：使用 sklearn.preprocessing.MinMaxScaler((-1, 1)) 转换至 [-1, 1] 区间。
4. 周期特征：进行独热编码。观察发现“天”的回归系数呈现对称性，因此尝试对 abs(day-4) 而不是 day 进行独热编码。

优化器使用的是 sklearn.linear_model.LogisticRegression(solver='lbfgs', C=.121)。

大部分时间都花在尝试对“天”和“月”进行不同的编码上，希望能挖掘出这些列的周期性特征。